Réinventer l’apprentissage par renforcement

Une nouvelle vision de l’apprentissage par renforcement • Qant, M. de R. avec Midjourney

Les chercheurs du laboratoire Fair de Meta et de l’université de Berkeley ont développé une nouvelle méthode d’apprentissage par renforcement, baptisée Sweet-RL, qui améliore significativement les performances des agents conversationnels fondés sur les grands modèles de langage (LLM) dans des tâches collaboratives complexes. À travers un nouveau benchmark baptisé ColBench, ils démontrent qu’un modèle open source comme Llama-3.1-8B peut égaler, voire surpasser, des modèles propriétaires comme GPT-4o dans des scénarios réalistes de programmation backend et de conception frontend.